具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本申请实施例的主要解决方案是：获取预设时长内相邻两个节点间的权重信息；基于权重信息确定对应的挥发系数，并基于挥发系数对权重信息按照时间推移进行挥发处理，得到相邻两个节点间对应的期望权重值，其中，挥发系数在时间推移过程中呈单调递减；基于权重信息和期望权重值计算相邻两个节点间的目标权重值。本申请通过将相邻两个节点间的权重信息与挥发系数进行结合，通过挥发系数对权重信息按照时间推移进行挥发处理，得到相邻两个节点间的目标权重值，由此可知，在得到相邻两个节点间的目标权重值的过程中，考虑了时间推移导致权重信息的挥发，保证了相邻两个节点间的目标权重值的参考价值，提升了目标权重值的准确性。

具体地，参照图1，图1为本申请实施例方案涉及的硬件运行环境的系统结构示意图。

本申请实施例的系统可以具有数据处理功能的固定系统和数据的处理系统。如图1所示，该系统可以包括：处理器1001，例如CPU(Central Processing Unit，中央处理器)，存储器1005，用户接口1003，网络接口1004，通信总线1002。通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(board)，用户接口1003可选的还可以包括标准的有线接口(如USB(Universal Serial Bus，通用串行总线)接口)、无线接口(如蓝牙接口)。网络接口1004可以包括标准的有线接口、无线接口(如WI-FI((Wireless-Fidelity))接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatle memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的系统结构并不构成对系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及数据的处理程序。其中，操作系统是管理和控制系统硬件和软件资源的程序，支持数据的处理程序以及其它软件或程序的运行。

在图1所示的系统中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接用户终端，与用户终端进行数据通信。

其中，处理器1001可以用于调用存储器1005中存储的数据的处理程序，并执行如下操作：

获取预设时长内相邻两个节点间的权重信息；

基于所述权重信息确定对应的挥发系数，并基于所述挥发系数对所述权重信息按照时间推移进行挥发处理，得到所述相邻两个节点间对应的期望权重值，其中，所述挥发系数在时间推移过程中呈单调递减；

基于所述权重信息和所述期望权重值计算所述相邻两个节点间的目标权重值。

进一步地，处理器1001可以调用存储器1005中存储的数据的处理程序，还执行以下操作：

获取预设时长内所述相邻两个节点间的交互频次，以及所述相邻两个节点间每次交互时的单次交互权重值。

进一步地，处理器1001可以调用存储器1005中存储的数据的处理程序，还执行以下操作：

确定所述权重信息所在结构关系图的应用场景，基于所述应用场景确定所述权重信息的挥发特性；

基于所述挥发特性确定所述权重信息对应的挥发系数；

将各个单次交互权重值与其对应的挥发系数进行相乘，得到所述相邻两个节点间各个单次交互权重值对应的期望权重值。

进一步地，处理器1001可以调用存储器1005中存储的数据的处理程序，还执行以下操作：

将预设时长内所有交互频次的单次交互权重值对应的期望权重值进行相加求和，并将得到的和值确定为所述相邻两个节点间的目标权重值。

基于上述的系统架构但不限于上述架构，本申请实施例提供了数据的处理方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些数据下，可以以不同于此处的顺序完成所示出或描述的步骤。本实施例以数据处理系统作为执行主体进行举例说明。

参照图2，图2为本申请数据的处理方法第一实施例的流程示意图。所述数据的处理方法包括：

步骤S10，获取预设时长内相邻两个节点间的权重信息。

数据处理系统通过所有相邻两个节点与节点之间构成边而形成结构关系图后，需要对结构关系图中每一条边的权重值进行设置，即需要对所有相邻两个节点之间的权重值进行设置时，数据处理系统首先需要确定用户在数据处理系统设定的时间范围或者时间周期，即预设时长，由用户自行设定的，如时间周期设定为30天、3个月或者半年，本实施例不作限制。然后，数据处理系统获取在用户设定的时间范围或者时间周期内，相邻两个节点之间多次起止的权重信息，其中，权重信息包括但不限制于相邻两个节点之间的全部交互次数、相邻两个节点之间每次交互时的单次交互权重值，以及相邻两个节点之间每次交互的交互时长。

进一步地，所述步骤S10包括：

步骤S101，获取预设时长内所述相邻两个节点间的交互频次，以及所述相邻两个节点间每次交互的单次交互权重值。

具体地，数据处理系统获取在用户设定的时间范围或者时间周期内，相邻两个节点之间发起的全部交互次数，即相邻两个节点间全部的交互频次，以及获取相邻两个节点之间在每次交互时的单次交互权重值，其中，单次交互权重值即单次交互的交互信息。比如，需要预测疫情风险系数，节点即为每个路口，相邻两个节点之间即为两个路口之间的路线，本线路的已知感染人员数量即为相邻两个节点之间发起的全部交互次数，本路线中的每个感染人员对于路线环境当天带来的风险系数即为交互权重值，即交互信息。再比如，需要预测环境污染程度，节点即为每个路口，相邻两个节点之间即为两个路口之间的路线，经过本线路的所有汽油型车辆即为相邻两个节点之间发起的全部交互次数，本路线中的每辆汽油型车辆对于路线环境当天带来的环境污染系数即为交互权重值，即交互信息。

步骤S20，基于所述权重信息确定对应的挥发系数，并基于所述挥发系数对所述权重信息按照时间推移进行挥发处理，得到所述相邻两个节点间对应的期望权重值，其中，所述挥发系数在时间推移过程中呈单调递减。

需要说明的是，在实际生活中，相邻两个节点之间的交互信息的时间过得越久远，其存留的有效信息就越少，即在结构关系图中表示的权重值就越小，类似于自然界中，一定浓度气味的保存时间越长，经过长时间扩散之后，其剩余浓度值就越小，这一特性即为挥发过程。

因此，数据处理系统在获取到相邻两个节点之间每次交互的单次交互权重值后，需要确定节点所在结构关系图的应用场景，并根据应用场景确定结构关系图中所有相邻两个节点之间的单次交互权重值的挥发特性。然后，数据处理系统通过挥发特性确定对应的挥发系数，再根据挥发系数对单次交互权重值按照时间推移进行挥发处理，确定相邻两个节点之间的期望权重值，其中，在用户设定的时间范围或者时间周期内，时间推移的推移间隔是由用户自行设定的，比如，时间推移的推移间隔为2分钟，即每两分钟相邻两个节点之间进行一次权重值挥发。

需要说明的是，挥发系数以ε_i表示，挥发系数ε_i由挥发特性决定的，挥发系数在时间推移过程中呈单调递减，如，应用场景为预测疫情风险系数，其挥发特性为时间推移按照指数方式挥发，ε_i可为如ε_i＝e^-t等，i表示第i次相邻两个节点之间的权重值交互，t表示第i次相邻两个节点之间的交互时间，应用场景为预测公路车流量，其挥发特性为时间推移按照分数方式挥发ε_i＝(T-t)/T等，挥发系数ε_i的取值范围为0＜ε_i≤1。

在本实施例中，比如，节点所在结构关系图的应用场景为预测疫情风险系数，确定其挥发特性对应的挥发系数为ε_i＝e^-t，相邻两个节点之间的交互频次为N次，N次交互对应的N次交互权重值分别为第1次交互权重值W₁、第2次交互权重值W₂、第3次交互权重值W₃......第N-1次交互权重值W_N-1、第N次交互权重值W_N，在经过其挥发特性的挥发处理后，得到第1次交互期望权重值为ε₁*W₁、第2次交互期望权重值为ε₂*W₂、第3次交互期望权重值为ε₃W₃......第N-1次交互期望权重值为ε_N-1*W_N-1、第N次交互期望权重值为ε_N*W_N。

步骤S30，基于所述权重信息和所述期望权重值计算所述相邻两个节点间的目标权重值。

数据处理系统确定在用户设定的时间范围或者时间周期内，相邻两个节点之间所有的单次交互权重值对应的期望权重值后，确定相邻两个节点之间的所有交互次数，并将所有交互次数的期望权重值进行加权求和计算，得到在用户设定的时间范围或者时间周期内，相邻两个节点之间的最终权重值，即相邻两个节点间的目标权重值。

进一步地，所述步骤S30包括：

步骤S301，将预设时长内所有交互频次的单次交互权重值对应的期望权重值进行相加求和，并将得到的和值确定为所述相邻两个节点间的目标权重值。

具体地，数据处理系统将所有交互频次的单次交互权重值对应的期望权重值进行加权求和，得到对应的相加和值，并将得到的相加和值确定为在用户设定的时间范围或者时间周期内，相邻两个节点之间的目标权重值。

在本实施例中，比如，用户设定时间周期为1天，即24小时，节点所在结构关系图的应用场景为预测疫情风险系数，以0点为相邻两个节点时间的第一次交互时间，时间推移间隔为2h(小时)，即在一天内相邻两个节点之间的交互频次N＝12，确定其挥发特性对应的挥发系数为ε_i＝e^-t，12次交互权重值分别为第1次交互权重值W₁、第2次交互权重值W₂、第3次交互权重值W₃......第12次交互权重值W₁₂，在经过其挥发特性的挥发处理后，得到第1次交互期望权重值为e⁰*W₁、第2次交互期望权重值为e^-1*W₂、第3次交互期望权重值为e^-2*W₃......第12次交互期望权重值为e^-11*W₁₂，数据处理系统将24小时内相邻两个节点之间的期望权重值进行加权求和计算，得到24小时内相邻两个节点之间的目标权重值为Q。

本实施例获取预设时长内相邻两个节点间的权重信息；基于权重信息确定对应的挥发系数，并基于挥发系数对权重信息按照时间推移进行挥发处理，得到相邻两个节点间对应的期望权重值，其中，挥发系数在时间推移过程中呈单调递减；基于权重信息和期望权重值计算相邻两个节点间的目标权重值。本实施例计算相邻两个节点间的目标权重值的过程中，通过将相邻两个节点间的权重信息与时间挥发进行结合，得到相邻两个节点间的目标权重值，由此可知，在得到相邻两个节点间的目标权重值的过程中，考虑了时间推移导致权重信息的挥发，充分考虑时间因素对于单个权重值的影响，同时，考虑了相邻两个节点间的多种信息资源，保证了相邻两个节点间的目标权重值的参考价值，提升了目标权重值的准确性。

参照图3，图3为本申请数据的处理方法第一实施例步骤S201的细化流程示意图。所述步骤S201包括：

步骤S201，确定所述权重信息所在结构关系图的应用场景，基于所述应用场景确定所述权重信息的挥发特性；

步骤S202，基于所述挥发特性确定所述权重信息对应的挥发系数；

步骤S203，将各个单次交互权重值与其对应的挥发系数进行相乘，得到所述相邻两个节点间各个单次交互权重值对应的期望权重值。

数据处理系统确定节点所在结构关系图的应用场景，并根据应用场景确定结构关系图中所有相邻两个节点之间的单次交互权重值的挥发特性，不同应用场景对应的挥发特性不一样，如，应用场景为预测疫情风险系数，其挥发特性为指数挥发方式，应用场景为预测公路车流量，其挥发特性为分数挥发方式。然后，数据处理系统通过挥发特性确定对应的挥发系数，其中，不同挥发特性对应的挥发系数ε_i不一样，如指数挥发方式对应的挥发系数ε_i＝e^-t等，分数挥发方式对应的挥发系数ε_i＝(T-t)/T。接着，数据处理系统根据挥发系数对单次交互权重值进行挥发处理，即将挥发系数与单次交互权重值进行相乘求乘积，得到的乘积即为相邻两个节点之间的期望权重值，如，节点所在结构关系图的应用场景为预测疫情风险系数，其挥发特性对应的挥发系数ε＝e^-t，相邻两个节点之间的单次交互权重值为W_i，数据处理系统计算得到相邻两个节点之间的期望权重值为ε_i*W_i＝(e^-t)*W_i。

在本实施例中，比如，以某地发生大规模传染疫情期间公共交通系统，本申请的数据处理方法应用于该公共交通系统中。以每个路口作为结构关系图的一个节点，相邻两个节点之间形成的边为交通图中的路线，以风险警示强度作为权重值的设置依据，依照时间推移进行权重值的设置。用户设定的时间周期为一个星期，即7天为一个时间周期，提取所有相邻两个节点之间的交互频次N，即每一条线路上已知的可能感染人员数量N＝100，提取在每一条路线中每个人当天的单次交互权重值W_i，即在每一条路线中每个人的对于环境当天带来的风险系数W_i＝1，按照时间推移降低风险系数ε_i＝e^-t，t为发现可能感染人员的之后的时间，将每一条路上的所有风险进行加权求和，得到没一条路上的风险系数。

本实施例通过确定权重信息所在结构关系图的应用场景，基于应用场景确定权重信息的挥发特性；基于挥发特性确定权重信息对应的挥发系数；将各个单次交互权重值与其对应的挥发系数进行相乘，得到相邻两个节点间各个单次交互权重值对应的期望权重值。由此可知，本实施例在计算单次交互权重值对应的期望权重值的过程中，考虑了时间推移导致权重信息的挥发，充分考虑时间因素对于单个权重值的影响，保证了相邻两个节点间的单次交互权重值对应的期望权重值的准确性，从而保证了相邻两个节点间的目标权重值的参考价值，提升了目标权重值的准确性。

本申请还提供一种数据的处理装置。参照图4，图4是本申请数据的处理装置的功能模块示意图。所述数据的处理装置包括：

获取模块10，用于获取预设时长内相邻两个节点间的权重信息。

数据处理系统通过所有相邻两个节点与节点之间构成边而形成结构关系图后，需要对结构关系图中每一条边的权重值进行设置，即需要对所有相邻两个节点之间的权重值进行设置时，数据处理系统首先需要确定用户在数据处理系统设定的时间范围或者时间周期，即预设时长，由用户自行设定的，如时间周期设定为30天、3个月或者半年，本实施例不作限制。然后，数据处理系统获取在用户设定的时间范围或者时间周期内，相邻两个节点之间多次起止的权重信息，其中，权重信息包括但不限制于相邻两个节点之间的全部交互次数、相邻两个节点之间每次交互时的单次交互权重值，以及相邻两个节点之间每次交互的交互时长。

进一步地，所述获取模块10还用于：

数据处理系统获取在用户设定的时间范围或者时间周期内，相邻两个节点之间发起的全部交互次数，即相邻两个节点间全部的交互频次，以及获取相邻两个节点之间在每次交互时的单次交互权重值，其中，单次交互权重值即单次交互的交互信息。比如，需要预测疫情风险系数，节点即为每个路口，相邻两个节点之间即为两个路口之间的路线，本线路的已知感染人员数量即为相邻两个节点之间发起的全部交互次数，本路线中的每个感染人员对于路线环境当天带来的风险系数即为交互权重值，即交互信息。再比如，需要预测环境污染程度，节点即为每个路口，相邻两个节点之间即为两个路口之间的路线，经过本线路的所有汽油型车辆即为相邻两个节点之间发起的全部交互次数，本路线中的每辆汽油型车辆对于路线环境当天带来的环境污染系数即为交互权重值，即交互信息。

确定模块20，用于基于所述权重信息确定对应的挥发系数；

处理模块30，用于基于所述挥发系数对所述权重信息按照时间推移进行挥发处理，得到所述相邻两个节点间对应的期望权重值，其中，所述挥发系数在时间推移过程中呈单调递减。

数据处理系统在获取到相邻两个节点之间每次交互的单次交互权重值后，需要确定节点所在结构关系图的应用场景，并根据应用场景确定结构关系图中所有相邻两个节点之间的单次交互权重值的挥发特性。然后，数据处理系统通过挥发特性确定对应的挥发系数，再根据挥发系数对单次交互权重值按照时间推移进行挥发处理，确定相邻两个节点之间的期望权重值，其中，在用户设定的时间范围或者时间周期内，时间推移的推移间隔是由用户自行设定的，比如，时间推移的推移间隔为2分钟，即每两分钟相邻两个节点之间进行一次权重值挥发。

需要说明的是，挥发系数以ε_i表示，挥发系数ε_i由挥发特性决定的，挥发系数在时间推移过程中呈单调递减，如，应用场景为预测疫情风险系数，其挥发特性为时间推移按照指数方式挥发，ε_i可为如ε_i＝e^-t等，i表示第i次相邻两个节点之间的权重值交互，t表示第i次相邻两个节点之间的交互时间，应用场景为预测公路车流量，其挥发特性为时间推移按照分数方式挥发ε_i＝(T-t)/T等，挥发系数ε_i的取值范围为0＜ε_i≤1。

计算模块40，用于基于所述权重信息和所述期望权重值计算所述相邻两个节点间的目标权重值。

数据处理系统确定在用户设定的时间范围或者时间周期内，相邻两个节点之间所有的单次交互权重值对应的期望权重值后，确定相邻两个节点之间的所有交互次数，并将所有交互次数的期望权重值进行加权求和计算，得到在用户设定的时间范围或者时间周期内，相邻两个节点之间的最终权重值，即相邻两个节点间的目标权重值。

进一步地，所述计算模块40还用于：

数据处理系统将所有交互频次的单次交互权重值对应的期望权重值进行加权求和，得到对应的相加和值，并将得到的相加和值确定为在用户设定的时间范围或者时间周期内，相邻两个节点之间的目标权重值。

本实施例通过获取模块10获取预设时长内相邻两个节点间的权重信息；确定模块20基于权重信息确定对应的挥发系数，处理模块30基于挥发系数对权重信息按照时间推移进行挥发处理，得到相邻两个节点间对应的期望权重值，其中，挥发系数在时间推移过程中呈单调递减；计算模块40基于权重信息和期望权重值计算相邻两个节点间的目标权重值。本实施例计算相邻两个节点间的目标权重值的过程中，通过将相邻两个节点间的权重信息与时间挥发进行结合，得到相邻两个节点间的目标权重值，由此可知，在得到相邻两个节点间的目标权重值的过程中，考虑了时间推移导致权重信息的挥发，充分考虑时间因素对于单个权重值的影响，同时，考虑了相邻两个节点间的多种信息资源，保证了相邻两个节点间的目标权重值的参考价值，提升了目标权重值的准确性。

进一步地，所述确定模块20确定所述权重信息所在结构关系图的应用场景，基于所述应用场景确定所述权重信息的挥发特性；

所述确定模块20基于所述挥发特性确定所述权重信息对应的挥发系数；

所述计算模块40将各个单次交互权重值与其对应的挥发系数进行相乘，得到所述相邻两个节点间各个单次交互权重值对应的期望权重值。

数据处理系统确定节点所在结构关系图的应用场景，并根据应用场景确定结构关系图中所有相邻两个节点之间的单次交互权重值的挥发特性，不同应用场景对应的挥发特性不一样，如，应用场景为预测疫情风险系数，其挥发特性为指数挥发方式，应用场景为预测公路车流量，其挥发特性为分数挥发方式。然后，数据处理系统通过挥发特性确定对应的挥发系数，其中，不同挥发特性对应的挥发系数ε_i不一样，如指数挥发方式对应的挥发系数ε_i＝e^-t等，分数挥发方式对应的挥发系数ε_i＝(T-t)/T。接着，数据处理系统根据挥发系数对单次交互权重值进行挥发处理，即将挥发系数与单次交互权重值进行相乘求乘积，得到的乘积即为相邻两个节点之间的期望权重值，如，节点所在结构关系图的应用场景为预测疫情风险系数，其挥发特性对应的挥发系数ε＝e^-t，相邻两个节点之间的单次交互权重值为W_i，数据处理系统计算得到相邻两个节点之间的期望权重值为ε_i*W_i＝(e^-t)*W_i。

本实施例通过确定模块20确定权重信息所在结构关系图的应用场景，基于应用场景确定权重信息的挥发特性；确定模块20基于挥发特性确定权重信息对应的挥发系数；计算模块40将各个单次交互权重值与其对应的挥发系数进行相乘，得到相邻两个节点间各个单次交互权重值对应的期望权重值。由此可知，本实施例在计算单次交互权重值对应的期望权重值的过程中，考虑了时间推移导致权重信息的挥发，充分考虑时间因素对于单个权重值的影响，保证了相邻两个节点间的单次交互权重值对应的期望权重值的准确性，保证了相邻两个节点间的目标权重值的参考价值，提升了目标权重值的准确性。

本申请还提供一种计算机可读存储介质，该计算机可读存储介质上存储有数据的处理程序，所述数据的处理程序被处理器执行时实现如以上任一项实施例所述的数据的处理方法的步骤。

本申请计算机可读存储介质的具体实施例与上述数据的处理方法各实施例基本相同，在此不作赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的数据下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多数据下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件货物的形式体现出来，该计算机软件货物存储在一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台系统完成本申请各个实施例所述的方法。